НачатьНачать бесплатно

Простой выброс

Когда вы впервые сталкиваетесь с новым типом алгоритма, полезно проверить его на простом примере. Создайте список из тридцати значений 1.0 и одного значения 10.0 — оно должно быть помечено как выброс. Чтобы убедиться в корректном применении алгоритма, преобразуйте список в датафрейм pandas и передайте его в алгоритм локального фактора выброса. Библиотека pandas доступна вам под именем pd.

Это упражнение является частью курса

Проектирование рабочих процессов машинного обучения на Python

Посмотреть курс

Инструкции к упражнению

  • Импортируйте модуль LocalOutlierFactor под псевдонимом lof для удобства.
  • Создайте список из тридцати единиц, за которой следует 10: [1.0, 1.0, ..., 1.0, 10.0].
  • Преобразуйте список в датафрейм.
  • Выведите на экран оценки выбросов, полученные с помощью алгоритма локального фактора выброса.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import the LocalOutlierFactor module
from sklearn.____ import ____ as lof

# Create the list [1.0, 1.0, ..., 1.0, 10.0] as explained
x = ____*30
x.____(10)

# Cast to a data frame
X = pd.____(x)

# Fit the local outlier factor and print the outlier scores
print(lof().____(X))
Редактировать и запускать код